Aprendizaje automático aplicado a reconocimiento de patrones en video y minería de datos
- Autores
- Lanzarini, Laura Cristina; Hasperué, Waldo; Estrebou, César Armando; Ronchetti, Franco; Villa Monte, Augusto; Aquino, Germán Osvaldo; Quiroga, Facundo; Basgall, María José; Rojas, Luis; Jimbo Santana, Patricia; Fernández Bariviera, Aurelio; Olivas Varela, José Ángel
- Año de publicación
- 2016
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Esta línea de investigación se centra en el estudio y desarrollo de Sistemas Inteligentes basados en Redes Neuronales Artificiales aplicadas al Reconocimiento de Patrones y a la Minería de Datos. Con respecto al Reconocimiento de Patrones, el énfasis está puesto en el análisis de videos con el objetivo de identificar acciones humanas que faciliten la interfaz hombre/máquina y en la detección de patrones de movimiento en videos provenientes de cámaras de vigilancia asociados con situaciones de riesgo. En el área de la Minería de Datos se está trabajando en la generación de un modelo de fácil interpretación a partir de la extracción de reglas de clasificación que permita justificar la toma de decisiones y en desarrollo de nuevas estrategias aplicables a flujos de datos. Con respecto a Minería de Textos se han desarrollado métodos capaces de extraer las palabras clave de documentos independientemente del lenguaje. Actualmente se están desarrollando estrategias para resumir documentos a través de la extracción de los párrafos más representativos utilizando técnicas de optimización.
Eje: Bases de Datos y Minería de Datos
Red de Universidades con Carreras en Informática (RedUNCI) - Materia
-
Ciencias Informáticas
Neural nets
Optimization
PATTERN RECOGNITION
Data mining - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/52905
Ver los metadatos del registro completo
id |
SEDICI_15fd574671ac9eb0c92a9094cdf249cc |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/52905 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Aprendizaje automático aplicado a reconocimiento de patrones en video y minería de datosLanzarini, Laura CristinaHasperué, WaldoEstrebou, César ArmandoRonchetti, FrancoVilla Monte, AugustoAquino, Germán OsvaldoQuiroga, FacundoBasgall, María JoséRojas, LuisJimbo Santana, PatriciaFernández Bariviera, AurelioOlivas Varela, José ÁngelCiencias InformáticasNeural netsOptimizationPATTERN RECOGNITIONData miningEsta línea de investigación se centra en el estudio y desarrollo de Sistemas Inteligentes basados en Redes Neuronales Artificiales aplicadas al Reconocimiento de Patrones y a la Minería de Datos. Con respecto al Reconocimiento de Patrones, el énfasis está puesto en el análisis de videos con el objetivo de identificar acciones humanas que faciliten la interfaz hombre/máquina y en la detección de patrones de movimiento en videos provenientes de cámaras de vigilancia asociados con situaciones de riesgo. En el área de la Minería de Datos se está trabajando en la generación de un modelo de fácil interpretación a partir de la extracción de reglas de clasificación que permita justificar la toma de decisiones y en desarrollo de nuevas estrategias aplicables a flujos de datos. Con respecto a Minería de Textos se han desarrollado métodos capaces de extraer las palabras clave de documentos independientemente del lenguaje. Actualmente se están desarrollando estrategias para resumir documentos a través de la extracción de los párrafos más representativos utilizando técnicas de optimización.Eje: Bases de Datos y Minería de DatosRed de Universidades con Carreras en Informática (RedUNCI)2016-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf303-307http://sedici.unlp.edu.ar/handle/10915/52905spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-698-377-2info:eu-repo/semantics/reference/hdl/10915/52766info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:04:50Zoai:sedici.unlp.edu.ar:10915/52905Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:04:50.619SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Aprendizaje automático aplicado a reconocimiento de patrones en video y minería de datos |
title |
Aprendizaje automático aplicado a reconocimiento de patrones en video y minería de datos |
spellingShingle |
Aprendizaje automático aplicado a reconocimiento de patrones en video y minería de datos Lanzarini, Laura Cristina Ciencias Informáticas Neural nets Optimization PATTERN RECOGNITION Data mining |
title_short |
Aprendizaje automático aplicado a reconocimiento de patrones en video y minería de datos |
title_full |
Aprendizaje automático aplicado a reconocimiento de patrones en video y minería de datos |
title_fullStr |
Aprendizaje automático aplicado a reconocimiento de patrones en video y minería de datos |
title_full_unstemmed |
Aprendizaje automático aplicado a reconocimiento de patrones en video y minería de datos |
title_sort |
Aprendizaje automático aplicado a reconocimiento de patrones en video y minería de datos |
dc.creator.none.fl_str_mv |
Lanzarini, Laura Cristina Hasperué, Waldo Estrebou, César Armando Ronchetti, Franco Villa Monte, Augusto Aquino, Germán Osvaldo Quiroga, Facundo Basgall, María José Rojas, Luis Jimbo Santana, Patricia Fernández Bariviera, Aurelio Olivas Varela, José Ángel |
author |
Lanzarini, Laura Cristina |
author_facet |
Lanzarini, Laura Cristina Hasperué, Waldo Estrebou, César Armando Ronchetti, Franco Villa Monte, Augusto Aquino, Germán Osvaldo Quiroga, Facundo Basgall, María José Rojas, Luis Jimbo Santana, Patricia Fernández Bariviera, Aurelio Olivas Varela, José Ángel |
author_role |
author |
author2 |
Hasperué, Waldo Estrebou, César Armando Ronchetti, Franco Villa Monte, Augusto Aquino, Germán Osvaldo Quiroga, Facundo Basgall, María José Rojas, Luis Jimbo Santana, Patricia Fernández Bariviera, Aurelio Olivas Varela, José Ángel |
author2_role |
author author author author author author author author author author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Neural nets Optimization PATTERN RECOGNITION Data mining |
topic |
Ciencias Informáticas Neural nets Optimization PATTERN RECOGNITION Data mining |
dc.description.none.fl_txt_mv |
Esta línea de investigación se centra en el estudio y desarrollo de Sistemas Inteligentes basados en Redes Neuronales Artificiales aplicadas al Reconocimiento de Patrones y a la Minería de Datos. Con respecto al Reconocimiento de Patrones, el énfasis está puesto en el análisis de videos con el objetivo de identificar acciones humanas que faciliten la interfaz hombre/máquina y en la detección de patrones de movimiento en videos provenientes de cámaras de vigilancia asociados con situaciones de riesgo. En el área de la Minería de Datos se está trabajando en la generación de un modelo de fácil interpretación a partir de la extracción de reglas de clasificación que permita justificar la toma de decisiones y en desarrollo de nuevas estrategias aplicables a flujos de datos. Con respecto a Minería de Textos se han desarrollado métodos capaces de extraer las palabras clave de documentos independientemente del lenguaje. Actualmente se están desarrollando estrategias para resumir documentos a través de la extracción de los párrafos más representativos utilizando técnicas de optimización. Eje: Bases de Datos y Minería de Datos Red de Universidades con Carreras en Informática (RedUNCI) |
description |
Esta línea de investigación se centra en el estudio y desarrollo de Sistemas Inteligentes basados en Redes Neuronales Artificiales aplicadas al Reconocimiento de Patrones y a la Minería de Datos. Con respecto al Reconocimiento de Patrones, el énfasis está puesto en el análisis de videos con el objetivo de identificar acciones humanas que faciliten la interfaz hombre/máquina y en la detección de patrones de movimiento en videos provenientes de cámaras de vigilancia asociados con situaciones de riesgo. En el área de la Minería de Datos se está trabajando en la generación de un modelo de fácil interpretación a partir de la extracción de reglas de clasificación que permita justificar la toma de decisiones y en desarrollo de nuevas estrategias aplicables a flujos de datos. Con respecto a Minería de Textos se han desarrollado métodos capaces de extraer las palabras clave de documentos independientemente del lenguaje. Actualmente se están desarrollando estrategias para resumir documentos a través de la extracción de los párrafos más representativos utilizando técnicas de optimización. |
publishDate |
2016 |
dc.date.none.fl_str_mv |
2016-04 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/52905 |
url |
http://sedici.unlp.edu.ar/handle/10915/52905 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-950-698-377-2 info:eu-repo/semantics/reference/hdl/10915/52766 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) |
dc.format.none.fl_str_mv |
application/pdf 303-307 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1844615917708771328 |
score |
13.070432 |